BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Peramalan

a. Peramalan (forecasting)

Peramalan (forecasting) menurut Zulian Yamit yaitu alat bantu

yang penting dalam perencanaan yang efektif dan efesien khususnya

dalam bidang ekonomi. Peramalan mempunyai peranan langsung pada

peristiwa eksternal yang pada umumnya berada diluar kendali

manajemen. seperti ekonomi, sosial, politik, perubahan teknologi,

budaya, pemerintah, pelanggan, pesaing dan lainnya. (Zulian Yamit,

2003:13).

Indriyo dan Mohamad juga mengatakan bahwa peramalan yaitu

proses untuk memperkirakan berapa kebutuhan dimasa datang yang

meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi

yang dibutuhkan dalam rangka memenuhi barang atau jasa (Indriyo

Gutosudarmo dan Mohamad Najmudin, 2003:12).

Sedangkan menurur Heizer dan Rander (2014), peramalan yaitu

seni dan ilmu memprediksi masa yang akan datang.

b. Jenis-jenis peramalan

7
 8

Ada beberapa jenis peramalan pada buku (Heizer, Render, 2014:115)

sebagai berikut:

1) Peramalan ekonomi (economic forecast) mengenai siklus bisnis

dengan memprediksikan tingkat inflasi, uang yang beredar, mulai

pembangunan perumahan, dan indikator lainnya.

2) Peramalan teknologi (technological forecast) berkaitan dengan

tingkat perkembanagan teknologi, dimana ,dapat menghasilkan

terciptanya produk baru yang lebih menarik, yang memerlukan

pabrik dan perlengkapan yang baru.

3) Peramalan permintaan (demand forecast) yaitu proyeksi atas

permintaan untuk produk atau jasa dari perusahaan. Peramalan

mendorong keputusan sehingga para manajer memerlukan informasi

dengan segera dan akurat mengenai permintaan yang sesungguhnya.

c. Peramalan horizon waktu

Dalam buku (Heizer, Render, 2014:114) juga menyebutkan

peramalan biasanya diklsifikasikan dengan horizon waktu dan masa

mendatang yang melingkupinya. Horizon waktu dibagi menjadi 3

kategori sebagai berikut:

1) Peramalan jangka pendek, peramalan ini memiliki rentang waktu

sampai dengan 1 tahun, tetapi umumnya kurang dari 3 bulan.

Digunakan untuk merencanakan pembelian, penjadwalan pekerjaan,

level angkatan kerja, penugasan pekerjaan, dan level produksi.

 9

2) Peramalan jangka menengah, kisaran menengah, atau intermediate,

permalan ini umumnya rentang waktu dari 3 bulan sampai 3 tahun,

berguna dalam perencanaan penjualan, perencanaan produksi,

penganggaran uang kas, dan analisis variasi rencan operasional.

3) Peramalan kisaran panjang, umumnya 3 tahun atau lebih dalam

rentang waktunya, peramalan jangka panjang digunakan dalam

perencanaan untuk produksi baru, pengeluaran modal, lokasi tempat

fasilitas atau perluasan, dan penelitian serta pengembangan.

d. Langkah-langkah permalan

Dalam buku (Heizer, Render, 2014:117) ada 7 langkah peramalan yaitu:

1) Menentukan penggunaan dari peramalan.

2) Memilih barang yang akan diramalkan.

3) Menentukan horizon waktu dari peramalan (jangka pendek,

menengah, dan panjang).

4) Memilih model peramalan.

5) Memperoleh data yang dibutuhkan untuk melakukan peramalan.

6) Membuat peramalan.

7) Memvalidasi dan mengimplementasikan hasilnya.

e. Metode peramalan

Menurut Heizer dan Render pada (2004) yang dikutip Retno Dyah

Ekawati (2009) mengatakan dalam melakukan peramalan diperlukan

peramalan yang tepat. Pada dasarnya terdapat dua pendekatan umum

untuk mengatasi semua model keputusan untuk meramal.

 10

1) Peramalan kualitatif, yaitu peramalan yang menggabungkan faktor-

faktor seperti intuisi pengambilan keputusan, emosi, pengalaman

pribadi, dan sistem nilai.

2) Keputusan dari pendapat juri eksekutif, dalam metode ini pendapat

sekumpulan kecil manajer atau pakar tingkat tinggi, sering

dikombinasikan dengan model statistik, dikumpulkan untuk

mendapatkan prediksi permintaan klompok.

3) Metode Delphi merupakan teknik peramalan yang menggunakan

proses klompok yang dimana para pakar melakukan peramalan.

a) Gabungan dari tenaga penjualan, metode ini mengoptimasi

jumlah penjualan di wilayahnya, peramalan ini kemudian dikaji

untuk memastikan apakah peramalan cukup realistis lalu

dikombinasikan pada tingkat wilayah dan nasional untuk

mendapatkan peramalan secara keseluruhan.

b) Survey pasar konsumen, metode peramalan yang meminta input

dari konsumen mengenai rencana pembelian mereka di masa

depan.

4) Peramalan kuantitatif, yaitu peramalan yang menggunakan satu atau

lebih model matematis dengan data masa lalu dan variabel sebab

akibat untuk meramalkan permintaan. Ada 5 metode kuantitatif,

yaitu metode pendekatan naif, metode rata-rata bergerak, metode

penghalusan eksponensial, penghalusan tren, dan regresi linier. Pada

dasarnya metode kuantitatif ini dibedakan menjadi dua:

 11

a) Metode peramalan berdasarkan seri waktu (time series) model ini

melihat pada apa yang terjadi selama priode waktu menggunakan

seri data masa lalu untuk membuat ramalan.

b) Metode kausal (causal metods) atau metode korelasi, bergabung

menjadi variabel atau hubungan yang bisa mempengaruhi jumlah

yang sedang diramal.

Metode peramalan time series terdiri dari :

1) Pendekatan naif, yaitu teknik peramalan yang

mengasumsikan permintaan diperiode mendatang sama

dengan permintaan terkini. Metode ini merupakan model

peramalan objektif yang paling efektif dan efesien dari segi

biaya, pendekatan ini memberikan titik awal untuk

perbandingan dengan model lain yang lebih canggih.

2) Rata-rata bergerak (moving aerage)

Bermanfaat jika mengasumsikan permintaan pasar tetap

setabil sepanjang waktu, model rata-rata bergerak dibagi

menjadi dua metode yaitu:

a) Rata-rata bergerak sederhana (single moving average)

metode ini digunakan untuk melakukan peramalan hal-

hal yang bersifat random, artinya tidak ada gejala tren

naik maupun turun, musim dan sebagainya, melainkan

sulit diketahui polanya. Metode ini mempunyai dua sifat

khusus yaitu untuk membuat peramalan memerlukan data

 12

histories selama jangka waktu tertentu, semakin panjang

waktu moving average akan menghasilkan moving

average yang semakin halus. Secara matematik moving

average:

Σ Permintaan data n periode sebelumnya / n

Dimana:

n = jumlah data rata-rata bergerak (misalnya tiga, empat,

atau lima bulan secara beruntun).

Kelemahan metode moving average antara lain perlu data

histories,semua data diberi weigh sama, tidak bisa

mengikuti perubahan yang terjadi.

b) Rata-rata bergerak tertimbang (weight moving average)

Apabila ada trend atau pola terdeteksi, bobot dapat

digunakan untuk menepatkan penekanan yang lebih pada

nilai terkini. Praktik ini membuat teknik peramalan lebih

tanggap terhadap perubahan karena periode yang lebih

dekat mendapatkan bobot yang lebih berat.

Rata-rata bergerak dengan pembobotan dapat

digambarkan secara sistematis sebagai berikut:

𝛴(𝑏𝑜𝑏𝑜𝑡 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)(𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑛)

Y=( 𝛴𝑏𝑜𝑏𝑜𝑡

Pemilihan bobot merupakan hal yang tidak pasti karena

tidak ada rumus untuk menetapkan mereka. Oleh karena

 13

itu, pemutusan bobot yang mana yang digunakan,

membutuhkan pengalaman.

c) Penghalusan eksponensial (exponential smoothing)

Yaitu teknik peramalan rata-rata bergerak dengan

pembobotan dimana data diberi bobot oleh sebuah fungsi

eksponensial. Penghalusan eksponensial merupakan

metode peramalan rata-rata bergerak dengan pembobotan

yang canggih, masih muda digunakan. Metode ini

menggunakan sangat sedikit pencatatan dalam masa lalu.

Rumus penghalusan eksponensial dapat ditunjkan sebagai

berikut:

Ft = Ft-1 + α (At-1 – Ft-1 )

Dimana:

Ft = peramalan baru

Ft-1 = peramalan sebelumnya

α = konstanta penghalusan (0 ≤ α ≤ 1)

At-1 = permintaan aktual periode lalu (t-1)

Pendekatan penghalusan eksponensial mudah digunakan,

dan ktelah berhasil diterapkan disetiap hampir semua

bisnis. Walaupun demikian, nilai yang tepat untuk

konstanta penghalus, α, dapat membuat differensiasi

antara peramalan yang akurat dan yang tidak akurat. Nilai

α yang tinggi dipilih saat rata-rata cendrung stabil. Tujuan

 14

pemilihan suatu nilai untuk konstankta penghalus adalah

untuk mendapatkan peramalan yang paling akurat.

d) Proyeksi tren (trend projection)

Yaitu metode peramalan time series yang menyesuaikan

sebuah garis tren pada sekumpulan data masa lalu dan

kemudian diproyekkan dalam garis untuk meramalkan

masa depan untuk peramalan jangka pendek atau jangka

panjang. Kalau hal yang diteliti menunjukan gejala

kenaikan maka tren yang kita miliki menunjukan rata-rata

pertumbuhan, sering disebut tren positif, tetapi hal yang

kita teliti menunjukan rata-rata penurunan atau juga bisa

disebut trend negatif.

Menurut Adisaputro dan asri (2004) ada beberapa metode

yang bisa digunakan untuk membuat trend yaitu:

1) Metode kuadrat terkecil (Linier Last Sequere)

Persamaan tren dengan metode ini adalah sebagai

berikut:

yˈ= a + bx

dimana:

yˈ = nilai variabel yang dihitung untuk diprediksi

a = perpotongan sumbu y, bila konstan

b = slope koefisien kecendrungan garis trend

x = variabel bebas, waktu

 15

dalam persamaan tersebut, y merupakan variabel yang

akan dicari, x merupakan satuan waktu (diketahui).

Dengan demikian maka variabel a adan b masih harus

dicari terlebih dahulu. Adapun cara mencari variabel a

dan b sebagai berikut:

𝛴𝑦
a= 𝑛

𝛴𝑥𝑦
b = 𝛴𝑥 2

2) Metode gari lurus (Linier Trend Line)

Dapat dirumuskan sebagai berikut:

yˈ= a + bx

dimana:

yˈ= nilai terhitung dari variabel yang akan diprediksi

a = persilangan sumbu y

b = kemiringan garis regresi (atau tingkat perubahan

pada y untuk perubahan yang terjadi di x)

x = variabel bebas, yaitu waktu

untuk menghasilkan nilai a dan b secara singkat sebagai

berikut:

a = yˆ + bx
𝛴𝑥𝑦−𝑛𝑥𝑦
b= 𝛴𝑥 2 −𝑛𝑥

dimana:

x = nilai variabel bebas yang diketahui

y = nilai variabel terikat yang diketahui

 16

xˆ= nilai rata-rata x

yˆ= rata-rata nilai y

n = jumlah data atau pegamatan

e) Menurut (Titik Ambarwati dan M. Jihadi, 2003) dalam

bukunya mengatakan bahwa model kuantitatif ada 5

yaitu:

1) Metode Least Square / Trend Linier

Metode ini digunakan karena dianggap paling

gampang dan mudah untuk dipraktekan.

Dimana:

Yˈ=a+bx

yˈ= variabel yang akan diramalkan

a = konstanta

b = variabel per x, menunjukan besarnya nilai

perubahan y dari setiap perubahan satu unit x

x = waktu

2) Metode product moment

Metode ini biasa dinamakan metode moment saja.

Dimana:

yˈ=a+bx

yˈ= variabel yang akan diramalkan

a = konstanta
 17

b= variabelitas per x, yaitu menunjukan besarnya

perubahan nilai y dari setiap perubahan x.

X = waktu

3) Metode kuadratik

metode kuadratik yaitu trend non linier, dan jika kita

gambar berbentuk garis lengkung atau menyerupai

parabola, sedangkan persamaannya adalah:

yˈ= a +bx +cx2

yˈ = variabel yang akan diramalkan

a = konstanta

b da c = variabelitas per x, yaitu menunjukan besarnya

perubahan nilai y apabila x sama dengan 0

x = waktu

4) Metode eksponenial sederhana (simple exponential)

Metode ini digunakan, jika data historis digambar

dalam bentuk diagram kurva cendrung naik turun

tetapi tidak signifikan.

yˈ=a.bx

yang dapat disederhanakan menjadi bentuk fungsi

logaritma yaitu:

yˈ = log a + log b x
 18

5) Metode setengah rata-rata (Semi Average Method)

Metode ini masih tergolong trend linier dimana data

yang tersedia tetap berbentuk garis lurus jika kita

gambarkan dalam bentu grafik. Rumusnya adalah:

Yˈ= a + bx

f) Pengukuran Kesalahan Peramalan

Keakuratan keseluruan dari setiap model peramalan dapat

di jelaskan dengan membandingkan nilai yang diramal

dengan nilai aktual atau nilai yang sedang diamati.

Kesalahan peramalan mengatakan seberapa baik kinerja

suatu model dibandingkan dengan model itu sendiri

dengan menggunakan data masa lalu. Untuk menghitung

kesalahan peramalan (deviasi) adalah:

Kesalahan peramalan = At – Ft

Dimana:

At = nilai aktual

Ft = nilai peramalan

Ada beberapa perhitungan yang biasa digunakan untuk

menghitung kesalahan peramalan (forecast error) total.

Perhitungan ini dapat digunakan untuk membandngkan

model peramalan yang berbeda, juga untuk mengawasi

peramalan, untuk memastikan peramalan berjalan dengan

baik.
 19

Cara mengevaluasi teknik peramalan menurut Heizer dan

Render (2014) ada 3 sebagai berikut:

1) Menurut Heizer dan Render pada bukunya tahun 2014

hal.126, deviasi rata-rata absolute ukuran pertama

atas keseluruhan dalam kesalahan permalan untuk

model yaitu deviasi rata-rata absolute (Mean Absolute

Deviation-MAD). Nilai ini dihitung dengan

mengambil jumlah nilai absolut kesalahan peramalan

individual (deviasi) dan dibagi dengan jumlah data

(n).
𝛴𝐹𝐴𝑡
MAD = 𝑛

2) Menurut Heizer dan Render (2014:128) kesalahan

rata-rata yang dikuadratkan (Mean Squered error-

MSE) adalah cara kedua untuk mengukur keseluruhan

dan kesalahan dalam kesalahan peramalan. MSE

adalah rata-rata perbedaan yang dikuadratkan

dianatara nilai yang diramalkan dengan yang diamati.

Rumusnya adalah sebagai berikut:

𝛴(𝐹𝐴𝑡)2
MSE = 𝑛

3) Menurut Heizer dan Render (2014:129) persentase

kesalahan rata-rata yang absolut. Permasalahan

dengan mad maupun MSE bisa sangat besar. Untuk

mengatasi permasalahan ini, kita bisa menggunakan

 20

kesalahan persentase rata-rata yang absolut (Mean

Absolute Percent Error – MAPE) ini dihitung sebagai

perbedaan rata-rata yang absolut antara nilai yang

diramalkan dengan aktualnya, dicerminkan sebagai

persentase nilai aktual. Hali ini, jika kita memiliki

nilai yang diramalkan dan aktual untuk periode n,

MAPE dihitung dengan:

𝛴𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑝𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑎𝑏𝑠𝑜𝑙𝑢𝑡

MAPE = 𝑛

Keputusan ini dalam memilih suatu teknik peramalan

sebagian tergantung pada apakah teknik-teknik

tersebut menghasilkan kesalahan yang bisa dianggap

kecil atau tidak.

2. Persediaan

a. Manajemen Persediaan

Manajemen persediaan atau inventory manajemen yaitu stok atau

persediaan barang-barang yang disimpan dalam gudang (William J.

Stevenson, Sum Chee Chuong, 2014:179).

Sedangkan menurut Rudy Wahyudi pada jurnal yang ditelitinya

persediaan merupakan salah satu faktor penting dalam kegiatan usaha,

baik perusahaan dagang maupun manufaktur. Dalam pengawasan

persediaan perlu adanya sistem pencatatan dan perhitungan pesediaan,

karena persediaan bisa mempengaruhi laporan keuangan perusahaan.

Perusahaan manufaktur maupun perusahaan dagang masing-masing

 21

memiliki kegiatan berbeda-beda namun punya tujuan yang sama yaitu

memenuhi kebutuhan konsumen (Rudy Wahyudi, 2015:163, vol.2).

b. Jenis-jenis Persediaan

Heizer dan Render dalam bukunya pada tahun 2014 hal.554 mengatakan

ada beberapa jenis persediaan dalam buku manajemen operasional

sebagai berikut:

1) Persediaan barang mentah (raw material inventory) yaitu bahan baku

yang sudah dibeli, tetapi belum diproses.

2) Persediaan barang dalam proses (work-in-process-WIP inventory)

yaitu komponen-komponen atau bahan mentah yang sudah melewati

beberapa proses perubahan, tetapi belum selesai.

3) Persediaan MRO (maintenence, repair, operating) yaitu persediaan

yang disediakan untuk perlengkapan pemeliharaan, perbaikan, dan

operasi yang dibutuhkan agar mesin dan proses tetap produktif.

4) Persdiaan barang jadi (finish goods inventory) yaitu produk yang

sudah selesai dan tnggal menunggu pengiriman,

c. Fungsi Persediaan

Dalam buku Heizer dan Render pada tahun 2010 hal 82 pada penelitian

yang dilakukan Enggar Paskhalis dan Jacky S.B Sumarauw, menyatakan

ada 4 fungsi persediaan dalam perusahaan yaitu:

1) “Decouple” atau memisahkan beberapa tahapan dari proses

produksi. Contoh : jika persediaan sebuah perusahaan berfluktuasi,

 22

persediaan tambahan mungkin diperlukan untuk melakukan

decouple proses produksi dari pemasok.

2) Melakukan ”Decouple” perusahaan dari fluktuasi permintaan dan

menyediakan persediaan barang-barang yang akan memberikan

pilihan bagi pelanggan. Persediaan seperti ini digunakan secara

umum pada bisnis eceran.

3) Mengambil keuntungan dari pemesanan dengan sistem diskon

kuantitas, karena dengan melakukan pembelian dalam jumlah banyak

dapat mengurangi biaya pegiriman.

4) Melindungi perusahaan dari inflasi dan kenaikan harga.

d. Pengendalian Persediaan

Pengendalian prsediaan menurut Sofjan Assuri (2004:176) dalam

penelitian yang dilakukan Paskhalis dan Jacky S.B Sumarauw adalah

salah satu kegiatan dari urutan kegiatan-kegiatan yang berkaitan erat satu

sama lain dari seluruh operasiproduksi perusahaan tersebut sesuai

dengan apa yang sudah direncanakan sebelumnya baik waktu, jumlah,

kualitas atau biayanya.

e. Tujuan Pengendalian Persediaan

Ristono (2013:4) pada penelitian yang dilakukan Paskalis dan Jacky S.B

Sumarauw mengemukakan tujuan dilakukan pengendalian persediaan

yaitu:

1) Dapat memenuhi kebutuhan atau permintaan konsumen dengan cepat

(memuaskan konsumen).
 23

2) Menjaga keberlangsungan produksi atau menjaga agar perusahaan

tidak mengalami kehabisan prsediaan yang mengakibatkan

terhentinya proses produksi.

3) Mempertahankan dan bila mungkin meningkatkan penjualan dan

laba perusahaan.

f. Biaya penyimpanan persediaan

Heizer dan Render pada 2014 hal.560 pada bukunya mengemukakan

biaya persediaan ada 3 yaitu:

1) Biaya pemesanan (Ordering Cost) mencakup biaya dari persdiaan,

formulir, pemrosesan pesanan, pembelian, dukungan, administrasi,

dan seterusnya.

2) Biaya pemasangan (setup cost) yaitu biaya untuk mempersiapkan

mesin atau proses untuk menghasilkan pesanan. Ini menyertakan

waktu dan tenaga kerja untuk membersihkan serta mengganti

peralatan atau alat penahan.

3) Biaya pengiriman, yaitu biaya yang dikeluarkan atas transportasi

pengiriman bahan baku atau barang dagang, meliputi biaya supir,

bensin, dan lain-lain.

g. Model Pendekatan Manajemen Persediaan

Samodra dan Agung pada 2010 mengatakan ada 2 model pendekatan

yang umum digunakan manajemen persediaan adalah dengan EOQ

(Economic Oerder Quantity) dan yang terbaru dengan dengan metode

MRP (Material Requrement Planning). Dimana Fahmi pada tahun 2012

 24

dalam penelitian yang dilakukan Mutiara Simbar dkk, menyebutkan

EOQ adalah suatu pendekatan matematik yang menentukan jumlah

barang yang harus dipesan untuk memenuhi permintaan yang

diproyeksikan, dengan biaya persdiaan yang rendah. Sedangkan menurut

Heizer dan Render pada 2014 hal.641 menyebutkan MRP adalah teknik

permintaan dependen (terikat) yang menggunakan material, persediaan,

penerimaan yang diharapkan, dan perencanaan kebutuhan bahan

material.

3. Metode yang dipakai

Dalam jurnal penelitian Eneng Irma Helmalia pada tahun 2015 menyebutkan

ada tiga metode yang dipakai dalam jurnalanaya, yaitu Trend Linier,

Kuadratis, trend exponential.

1) Trend Linier

Sering kali data deret wakt jika digambarkan kedalam plot mendekati

garis lurus. Deret waktu seperti inilah yang termasuk dalam trend linier.

Persamaan trend linier adalah sebagai berikut:

Yˈ= a + bx

Dimana:
𝛴𝑦
a= 𝑛

𝛴𝑥𝑦
b = 𝛴𝑥 2

dimana:

Yˈ= nilai taksiran Y pada nilai x tertentu

a = nilai konstan
 25

b = nilai slop

dan berikut contoh kurva trend linier:

Y
Trend negatif
Trend Positif

Gambara 2.1 kurva trend linier

2) Metode trend kuadratik

Jika trend linier merupakan deret waktu yang berupa garis lurus, maka

trend kuadratik merupakan deret waktu dengan data berupa garis

parabola. Persamaan untuk trend kuadratik yaitu:

Yˈ= a + b + cx2

Dengan nilai a, b, c diperoleh dari:

𝛴𝑌−𝑐𝛴𝑋 2
a= 𝑛

𝛴𝑋𝑌
b = 𝛴𝑋 2

(𝑛𝛴𝑋 2 𝑌)−( (𝛴𝑋 2 )(𝛴𝑌))

c= (𝑛𝛴𝑋 4 )−( (𝛴𝑋 2 )2 )
 26

dan kurva trend kuadratik sebagai berikut:

x
Gambar 2.2 kurva Trend Kuadratik

3) Metode Trend Exponential

Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau

penurunan yang cepat maka menggunakan metode trend exponential ini.

Dalam hal ini persamaannya yaitu:

Yˈ= a.bx

Tetapi dalam menghitungnya, persamaan diatas dapat diubah kedalam

bentuk semi log, sehingga mudah untuk mencari nilai a dan b.

Yˈ= log a + log b.x

Dimana:

𝛴𝑙𝑜𝑔𝑌
Log a = 𝑛

𝛴𝑋 𝑙𝑜𝑔 𝑌
Log b = 𝛴𝑋 2
 27

Dan kurva trend exponental sebagai berikut:

X
Gambar 2.3 kurva trend exponential

4) Memilih Trend Terbaik

Untuk membuat suatu keputusan yang akan dilakukan dimasa yang akan

datang berdasarkan deret waktu diperlukan suatu metode peramalan yang

paling baik sehingga memiliki nilai kesalahan yang cendrung lebih kecil.

Terdapat beberapa cara untuk menentukan metode peramalan mana yang

akan dipilih sebagai metode permalan yang paling baik, diantaranya

MSE (Mean Sequre Error). Untuk mencari MSE digunakan rums

sebagai berikut:

𝛴𝑒 2
MSE = 𝑛

Dimana nilai e yaitu selisih antara nilai Y dengan Yˈ (peramalan). Model

yang memiliki nilai MSE paling sedikit adalah model persamaan yang

paling baik dan akan digunakan pada EOQ.

5) Metode EOQ (Economic Order Quantity)

Heizer dan Render pada 2014 dalam bukunya hal.561 mengatakan EOQ

yaitu teknik pengendalian persediaan yang meminimalkan total biaya

 28

pemesanan dan penyimpanan, (Handoko, 2000) pada penelitian yang

dilakukan Mutiara Simbar dkk pada jurnalnya mengemukakan bahwa

metode EOQ yaitu dengan kebutuhan tetap, untuk mengetahui jumlah

pembelian pesanan yang ekonomis. Untuk rumusnya yaitu sebagai

berikut:

2.𝑆.𝐷
EOQ = √ 𝑝.𝑖

Dimana:

EOQ = kuantitas pembelian

S = jumlah bahan baku yang dipesan

D = biaya setiap kali pesan

p = harga barang perunit

i = biaya penyimpanan

untuk kurva EOQ adalah sebagai berikut:

Tingkat Penggunaan Tingkat Penggunaan

Persediaan Ekonomis

ROP ROP

Barang Barang
Waktu sampai Waktu sampai
Tunggu Tunggu

Gambar 2.4 kurva EOQ, ROP

 29

B. Penelitian Terdahulu

Penelitian pertama dilakukan oleh Ni Putu Lisna Padma Yanti dkk, (2016)

dengan objek Perusahaan Kecap Manalagi Denpasar Bali, metode yang dipakai

adalah moving average, exponential smoothing, trend linier, dan trend

kuadratik. Hasil penelitian yang dilakukan menunjukan bahwa metode

peramalan terbaik untuk meramalakan penjualan kecap diperusahaan saus

kedelai manalagi di denpasa adalah trend linier, metode ini memiliki kesalahan

terendah dibandingkan metode yang lain, dalam peramalan penjualan isi ulang

625 ml diperoleh nilai MAD 2440,27, MSE 8972737,56 dan MAPE sebesar 4%.

Penelitian kedua dilakukan oleh Abdul Latif dan Afifah Fauzi, (2018)

dengan objek PT. Agro Masang Perkasa Plantation, metode yang dipakai adalah

trend linier, trend kuadratik, trend exponential, dan EOQ. Hasil penelitian yang

dilakukan bahwa kesalahan terkecil dari ketiga metode peramalan yaitu trend

exponential, dan dari perhitungan yang dilakukan diperoleh jumlah produksi

cangkang yang optimal yaitu 4.607171 kg / tahun dengan rata-rata produksi

383.931 kg / bulan, sedangkan biaya persediaan produksi cangkang optimal

1.485.695.895/tahun.

Penelitian ketiga dilakukan oleh Riko Ervil dan Mela Rosalina, (2019)

dengan objek PT. Gunung Naga Mas, metode yang dipakai yaitu trend linier,

trend kuadratik, trend exponential, dan SME. Hasil penelitian menunjukan

bahwa metode yang palig efektif untuk mengestimasi permintaan air minum

dalam kemasan cum 240 ml pada PT. Gunung Naga Mas yaitu metode trend

linier dengan nilai MSE sebesar 544.291,863 dan estimasi permintaan produk
 30

air minum dalam kemasan cup 240 ml pada 2018 yaitu totalnya sebesar

1.918.768 dus, sehinggan perusahaan perlu menyesuaikan kapasitas produksi

pada tahun 2018.

Penelitian keempat dilakukan oleh Azmi Fatma Amrillah dkk, (2016)

dengan objek PG. Ngadirejo kediri PT. Perkbunan Nusantara. Hasil penelitian

yang dilakukan bahwa apabila perusahaan menerapkan EOQ pada 2013, 2014,

dan 2015 dalam pembelian bahan baku pembantu yang optimal, maka terdapat

adanya selisih penghematan pengeluaran total biaya bahan baku pembantu

belerang berturut-turut Rp 1.010.959,19574 Rp 957.208, 54419 Rp

1.165.215,68273 begitu juga bahan baku phospat 2013, 2014, dan 2015 terdapat

total penghematan berturut-turut yaitu sebesar Rp 2.961.990,3358 Rp

2.764.054,70668 Rp 3.374.978,66496.

Penelitian kelima dilakukan oleh Gede Agus Dermawan, Wayan Cipta dan

Ni nyoman Yulianthini (2015) dengan objek penelitian pada usaha pia Ariawan

di Desa Banyuning. Hasil penelitian tersebut yaitu jumlah perpesanan bahan

baku tepung usaha pia ariawan dengan menggunakan EOQ sebanyak 878,71 kg,

persediaan pengamanan yang tersedia sebanyak 26,86 kg, pemesanan kembali

seharusnya dilakukan saat persediaan bahan baku tepung sebanyak 91,20 kg, dan

persediaan maksimum yang harus ada digudang adalah 905,57 kg, dan besarnya

total biaya persediaan dengan menggunakan EOQ sebesar 527.266,71 kg.

 31

C. Kerangka Pikir

Penjualan semen yang Peramalan:

tidak seimbang atau naik 1. Trend Linier
turun 2. Trend Kuadratik
3. Trend Exponential

MSE
(Mean Squere
Error)

EOQ (Economic
Order Quantity)

Persediaan
Ekonomis/Optimal

Gambar 2.5 kerangka pikir

Sumber : berbagai sumber yang diolah